AI-chatbot för produktkonfiguratorer: Verifiera varianter och förbered offerter

En B2B-produktkonfigurator ska skapa ett tekniskt lämpligt urval baserat på många egenskaper. En AI-chatbot kan ställa frågor på ett begripligt sätt, förklara facktermer och strukturera krav. Den får dock inte själv avgöra vilka komponenter som är kompatibla, vilket pris som gäller eller om en variant är tillgänglig för leverans. Det är precis denna uppdelning som gör en AI-chatbot för produktkonfiguratorer pålitlig.

Denna guide visar hur webbplatsägare bygger upp en dialogstyrd konfigurator: från stabila produktdata via deterministiska regler till kvalificerad överlämning till försäljning. Målet är inte ett fritt formulerat produktförslag, utan en spårbar väg från kraven till ett giltigt urval eller till en tydligt markerad öppen granskning.

Produktkonfiguration är inte ett fritt rådgivningssamtal

Språkmodeller är bra på att förstå naturliga formuleringar och återge information på ett begripligt sätt. Variantlogik är dock en helt annan uppgift. Om en profil passar till en kopplingsdel, om en motor klarar den nödvändiga belastningen eller om en yta är avsedd för användningsplatsen måste framgå av godkända data och regler. Svar som låter sannolika räcker inte.

NIST beskriver övertygande presenterat men felaktigt innehåll från generativa system som konfabuleringar. Vid produktrådgivning är sådana fel inte bara redaktionellt slarv. De kan leda till oanvändbara offertförfrågningar, felaktiga förväntningar eller tekniskt omöjliga kombinationer. Därför bör modellen leda dialogen, medan ett regelverk bestämmer de tillåtna resultaten.

Separera samtalslogik, regelverk och stamdata

En robust arkitektur består av tre tydliga skikt. Samtalsskiktet identifierar ärendet, ställer nästa lämpliga fråga och förklarar resultaten. Regelskiktet kontrollerar beroenden, uteslutningar, obligatoriska egenskaper och gränsvärden. Dataskiktet levererar produkt-ID:n, egenskaper, dokument, priser och tillgänglighet från respektive ansvarigt system.

• Chatboten formulerar frågor, sammanfattar krav och förklarar ett verifierat urval.
• Regelmotorn avgör vilka kombinationer som är giltiga, ogiltiga eller kräver manuell granskning.
• PIM-, ERP- eller e-handelssystem levererar godkända produkt-, pris- och lagerdata.
• CRM eller offertprocessen tar över den kvalificerade datamängden med spårbart ursprung.

Dessa gränser bör också vara tekniskt synliga. Ett verktyg för variantkontroll tar emot strukturerade egenskaper och returnerar ID:n, status och orsakskoder. Det bör inte skickas långa databasutdrag till modellen. Ju mindre kontraktet är, desto lättare är det att kontrollera behörigheter, loggning och tester.

Modellera varianter med stabila ID:n

Människor talar om "det breda utförandet i antracit", men system behöver stabila identifierare. Använd därför unika ID:n för produktfamiljer, varianter, egenskaper och värden. Visningsnamn får översättas eller ändras redaktionellt utan att regelrelationerna bryts.

Google rekommenderar också en gemensam produktgrupp och variantdefinierande egenskaper för produktvarianter. I strukturerade data kan bland annat ProductGroup, variesBy, hasVariant och ett gemensamt productGroupID användas. Detta är inte en komplett konfigurationsmodell, men det visar en viktig princip: gemensamma egenskaper hör till gruppen, medan differentierande egenskaper hör till den konkreta varianten.

Spara dessutom versionen av regelverket. Om en kombination ändras senare måste det gå att spåra vilka regler som gällde vid en tidigare förfrågan. Ett offertteam kan då avgöra om en konfiguration fortfarande är aktuell eller behöver granskas på nytt.

Vägled från krav till giltiga alternativ

En bra dialog börjar inte med hela katalogen. Den frågar först efter egenskaper som utesluter många ogiltiga vägar. För ett modulärt solskyddssystem kan det handla om användningsplats, fri bredd, monteringssätt, väderpåverkan, önskad styrmetod och ytfinish. Efter varje svar kontrollerar regelskiktet vilka alternativ som fortfarande är tillåtna.

Chatboten kan då översätta facktermer till vardagligt språk: Varför behövs monteringssättet? Vilka konsekvenser får en utomhusmontering? Vad skiljer manuell och motoriserad styrning? Förklaringen får endast komma från godkänd kunskap. Tekniska gränsvärden gissas inte utifrån en löpande text, utan verifieras som strukturerade regler.

Jämför flera passande resultat på ett begripligt sätt

Om flera varianter återstår bör boten inte godtyckligt kalla en av dem för "bäst". Den kan ställa verifierade skillnader mot varandra, till exempel material, godkänt användningsområde, nödvändiga tillbehör eller dokumenterad leveransform. Rekommendationer kräver ett transparent målkriterium. Utan detta kriterium är ett neutralt urval med en följdfråga mer ärligt.

Pris och tillgänglighet förblir källdata

Pris och leveransförmåga ändras oftare än tekniska beskrivningar. De hör därför inte hemma i ett allmänt kunskapsavsnitt som modellen fritt återger. Hämtade båda värdena vid behov från den ansvariga källan och förse resultatet med valuta, giltighetssammanhang och tidsstämpel.

Google Merchant Centers specifikation kräver att pris och tillgänglighet i produktdata stämmer överens med målsidan och köpprocessen. För en dialogstyrd konfigurator ger detta en praktisk regel: Om källan inte levererar ett aktuellt värde visar chatboten inget uppskattat ersättningsvärde. Den säger istället att värdet kontrolleras i offerten.

Även mängdrabatter, kundspecifika villkor, montering, frakt eller projektberoende tillägg måste hållas separata. Ett synligt grundpris får inte automatiskt kallas för ett bindande totalpris. Svaret bör exakt ange vilka komponenter som är bekräftade och vilka som fortfarande är öppna.

Ofullständiga uppgifter får inte skapa ett skenresultat

Människor hoppar över frågor, använder ungefärliga mått eller känner inte till tekniska förutsättningar. Systemet behöver därför tre resultatstatusar: giltig, ogiltig och granskning krävs. "Granskning krävs" är inte ett fel, utan ett korrekt svar när uppgifter saknas eller när en expertgranskning är planerad.

Exempel: En kund uppger den ungefärliga bredden men känner inte till underlaget för fästet. Chatboten kan ringa in passande produktfamiljer, men får inte bekräfta en konkret monteringssats. Den markerar den öppna egenskapen, förklarar varför den behövs och inkluderar den i offertöverlämningen. På så sätt skapas en användbar brief utan falsk teknisk säkerhet.

Från konfigurationsresultat till offentbriefing

I slutet bör det inte bara finnas ett samtalsprotokoll. Skapa en strukturerad brief med produktgrupps-ID, verifierade variant-ID:n, valda egenskaper, öppna punkter, regelverksversion och tidsstämplar för källor. Komplettera endast med kontaktuppgifter om det finns ett tydligt syfte med att samla in dem.

Visa sammanfattningen före insändning. Den som gör förfrågan kan korrigera mått, användningsplats och urval. Först därefter överlämnas förfrågan med ett idempotens-ID, så att en upprepad begäran inte skapar dubbla leads eller offertärenden. Säljteamet får de beslutsrelevanta fakta som behövs istället för en ostrukturerad, lång konversation.

En bra överlämning anger dessutom status: "tekniskt verifierad", "preliminärt avgränsad" eller "expertgranskning krävs". Den utlovar varken en offert eller ett leveransdatum innan den ansvariga processen har bekräftat detta uttalandet.

Dataskydd och behörigheter begränsar kontexten

En offentlig produktrådgivning kräver oftast ingen identitet. Kontaktuppgifter är först meningsfulla när någon vill spara en konfiguration eller begära en offert. Samla endast in nödvändiga fält och förklara syftet på den plats där uppgifterna behövs.

Kundspecifika priser, tidigare projekt eller avtalsprodukter hör hemma i ett autentiserat område. Applikationen kontrollerar behörigheten; modellen avgör den inte. Artikeln om autentiserad AI-chatbot i kundportalen beskriver denna gräns mer ingående.

Flerspråkiga varianter behöver gemensamma identifierare

Översätt visningsnamn, förklaringar och frågor, men inte de interna ID:na. "Pulverbeschichtet", "powder-coated" och "revêtu par poudre" måste peka på samma egenskapsvärde. På så sätt förblir regelkontrollen oberoende av språk och ett flerspråkigt säljteam arbetar med samma objekt.

Testa talformat, decimaltecken, måttenheter och översatta synonymer. En användare kan ange "2,5 meter", "250 cm" eller ett avrundat mått. Normaliseringen måste uttryckligen spara enhet och precision. Guiden för flerspråkig lead-kvalificering visar hur språkbyten och strukturerad överlämning kan kombineras.

Testa regler, språk och överlämning tillsammans

En flytande dialog är inte ett tillräckligt test. Bygg en matris av giltiga kombinationer, förbjudna kombinationer, gränsvärden, saknade uppgifter, inaktuella priser, ej tillgängligt lager och systemavbrott. Kontrollera den visade förklaringen, verktygsanropet, regelresultatet och de överförda data för varje fall.

• Kan en användarinstruktion kringgå regler eller behörigheter?
• Förblir boten ärlig vid saknat pris eller lagerstatus?
• Förklaras ogiltiga kombinationer på ett spårbart sätt?
• Får varje språk samma ID:n och regelresultat?
• Skapar ett nytt försök (retry) inte ett andra offertärende?
• Fungerar överlämningen även vid okända krav?

Testa dessutom typiska formulärinmatningar, stavfel och korrigeringar. Artikeln om AI-chatbots som formulärhjälp visar hur fälthjälp och validering på servervisas samverkar.

Checklista för produktionsdrift

1. Välj en klart avgränsad produktfamilj för pilotprojektet.
2. Definiera stabila ID:n och ansvariga för varje datafält.
3. Överför kompatibilitet och gränsvärden till testbara regler.
4. Separera förklaringar från pris-, lager- och offentförfrågningar.
5. Markera giltiga, ogiltiga och granskningskrävande resultat.
6. Versionshantera regler, datakällor och överlämningsformat.
7. Minimera personuppgifter och kundspecifika data.
8. Kontrollera alla språk med samma referensfall.
9. Mät giltiga avslut, korrigeringar och överlämningar till experter.

Börja med en produktfamilj, en avgränsad frågeväg och en tydlig överlämning. När regler, källor och ansvarsområden är snyggt separerade kan en AI-chatbot göra komplexa urval begripliga utan att låtsas om en bindande verkan. På så sätt blir konfiguratorn en hjälpsam ingång till en tillförlitlig offert istället för en ny felkälla.

Källor och standarder

• Google Search Central: Structured data for product variants
• Google Search Central: Product structured data
• Google Merchant Center: Product data specification
• NIST AI 600-1: Generative Artificial Intelligence Profile